研究提出协同采油网络预测储层含油性

2026年10月20日，Frontiers in Earth Science 刊发研究，构建名为 Synergistic Oil Recovery-Net 的深度学习框架，融合概率学习、上下文自注意力、序列稀疏注意力与可靠性门控融合机制，利用2,776条合成数据记录（7个预测变量）对储层含油性进行二分类预测。研究称其目标是基于地质、岩石物理、空间与地震信息建立准确可靠的含油性预测框架。研究同时说明，所用数据仅为合成公开数据集，模型输出只是该合成数据集统计分布内的含油性分类，不应被解读为对油田尺度采收率、聚合物驱效果、生物表面活性剂响应或实际提高采收率作业效率的直接预测；若要外推到成熟水驱油田，还需用独立采集的现场数据作后续验证。目前进展限于方法提出与合成数据评估，尚无现场验证结果报道。

模型根据报道生成 · 9 小时前更新